周竹梅 劉荔荔 孫曉妍

【摘 要】 加快企業(yè)數(shù)字化轉(zhuǎn)型，增加研發(fā)投入，是提高企業(yè)創(chuàng)新能力、實(shí)現(xiàn)中國式現(xiàn)代化的重要保障。文章以高階理論和烙印理論為基礎(chǔ)，采用2010—2021年滬深A(yù)股上市公司面板數(shù)據(jù)為研究樣本，從整體和不同維度兩個(gè)方面研究高管團(tuán)隊(duì)異質(zhì)性對(duì)研發(fā)投入的影響，以及數(shù)字化轉(zhuǎn)型在其中的作用。結(jié)果表明：高管團(tuán)隊(duì)異質(zhì)性可以通過推進(jìn)數(shù)字化轉(zhuǎn)型顯著增加企業(yè)研發(fā)投入，但不同維度呈現(xiàn)差異化影響。據(jù)此，企業(yè)應(yīng)通過人才招聘、職業(yè)培訓(xùn)等方式適當(dāng)提高高管團(tuán)隊(duì)異質(zhì)性水平，優(yōu)化管理層結(jié)構(gòu)，強(qiáng)化高管團(tuán)隊(duì)異質(zhì)性優(yōu)勢；同時(shí)根據(jù)業(yè)務(wù)需求深入推進(jìn)數(shù)字化轉(zhuǎn)型，進(jìn)一步整合內(nèi)外部創(chuàng)新資源，充分發(fā)揮其中介效應(yīng)，提升企業(yè)研發(fā)投入水平。

【關(guān)鍵詞】 高管團(tuán)隊(duì)異質(zhì)性； 數(shù)字化轉(zhuǎn)型； 研發(fā)投入

【中圖分類號(hào)】 F279.2? 【文獻(xiàn)標(biāo)識(shí)碼】 A? 【文章編號(hào)】 1004-5937（2023）24-0115-08

一、引言

當(dāng)前數(shù)字經(jīng)濟(jì)蓬勃發(fā)展，企業(yè)創(chuàng)新能力在數(shù)字化轉(zhuǎn)型的支持下不斷成長，以GPT-3.5架構(gòu)為主力模型的ChatGPT更是標(biāo)志著強(qiáng)人工智能時(shí)代的開始。黨的二十大報(bào)告指出要加強(qiáng)企業(yè)主導(dǎo)的產(chǎn)學(xué)研深度融合，強(qiáng)化企業(yè)科技創(chuàng)新主體地位；加快發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合，打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群。企業(yè)數(shù)字化轉(zhuǎn)型和創(chuàng)新能力提升是國家數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合的微觀映射，高層管理團(tuán)隊(duì)作為制定組織戰(zhàn)略決策的核心群體，其異質(zhì)性水平對(duì)企業(yè)數(shù)字化轉(zhuǎn)型和創(chuàng)新戰(zhàn)略的選擇具有至關(guān)重要的影響。因此，在數(shù)字經(jīng)濟(jì)背景下探討高管團(tuán)隊(duì)異質(zhì)性如何增加企業(yè)研發(fā)投入進(jìn)而促進(jìn)創(chuàng)新，成為理論和實(shí)踐研究的重要課題。

研究表明企業(yè)研發(fā)資金、人員投入越密集，具有異質(zhì)性與稀缺性的專利技術(shù)等創(chuàng)新產(chǎn)出能力便越強(qiáng)[1-2]?！?022年全國科技經(jīng)費(fèi)投入統(tǒng)計(jì)公報(bào)》數(shù)據(jù)顯示，2022年我國共投入研發(fā)經(jīng)費(fèi)30 782.9億元，相較于2021年增長10.1%，投入強(qiáng)度較2021年提高0.11個(gè)百分點(diǎn)；《2023年全球創(chuàng)新指數(shù)》報(bào)告數(shù)據(jù)表明，我國排名第12位，與發(fā)達(dá)國家依然存在較大差距。為進(jìn)一步縮小與其他國家的創(chuàng)新差距，企業(yè)應(yīng)不斷調(diào)整創(chuàng)新戰(zhàn)略，提高對(duì)研發(fā)投入的重視程度。當(dāng)前以人工智能、云計(jì)算等為代表的數(shù)字前沿技術(shù)正引領(lǐng)新一輪產(chǎn)業(yè)變革，成為創(chuàng)新驅(qū)動(dòng)發(fā)展的重要抓手，數(shù)據(jù)資產(chǎn)、流程資產(chǎn)、模型資產(chǎn)等企業(yè)級(jí)數(shù)字化資產(chǎn)也成為新的價(jià)值資產(chǎn)[3]，因此，企業(yè)在增加研發(fā)投入的同時(shí)應(yīng)重視數(shù)字化轉(zhuǎn)型[4]。

基于此，本文以2010—2021年A股上市公司為樣本，運(yùn)用中介效應(yīng)模型實(shí)證檢驗(yàn)高管團(tuán)隊(duì)異質(zhì)性對(duì)企業(yè)研發(fā)投入的影響以及數(shù)字化轉(zhuǎn)型的中介作用。其主要貢獻(xiàn)在于：第一，從高管團(tuán)隊(duì)異質(zhì)性出發(fā)對(duì)企業(yè)研發(fā)投入影響因素進(jìn)行探討，為優(yōu)化高層管理結(jié)構(gòu)、促進(jìn)研發(fā)投入提供理論支持；第二，分別從整體和不同維度兩個(gè)方面分析高管團(tuán)隊(duì)異質(zhì)性，拓展了以往研究中單一維度異質(zhì)性研究的不足；第三，將數(shù)字化轉(zhuǎn)型納入同一分析框架，更加體現(xiàn)當(dāng)前時(shí)代特征，有助于企業(yè)數(shù)字化轉(zhuǎn)型的深入推進(jìn)。

二、文獻(xiàn)回顧與研究假設(shè)

（一）文獻(xiàn)回顧

高管團(tuán)隊(duì)異質(zhì)性是指高層管理人員在年齡、性別、教育背景、職業(yè)背景、海外背景和政治背景等方面所呈現(xiàn)的差異化程度。這一概念源自Hambrick et al.[5]提出的“高階理論”，該理論認(rèn)為高管團(tuán)隊(duì)可度量人口特征與其價(jià)值觀塑造具有密切聯(lián)系，從而對(duì)企業(yè)行為產(chǎn)生重要影響。當(dāng)前關(guān)于高管團(tuán)隊(duì)異質(zhì)性對(duì)企業(yè)研發(fā)創(chuàng)新的影響研究存在兩種觀點(diǎn)，即社會(huì)認(rèn)同理論和信息決策理論。

社會(huì)認(rèn)同理論強(qiáng)調(diào)個(gè)體對(duì)群體的強(qiáng)烈認(rèn)同感，認(rèn)為各成員在背景特征上的相似度越高，越具有相類似的價(jià)值判斷，從而使團(tuán)隊(duì)成員協(xié)同配合產(chǎn)生強(qiáng)大凝聚力以促進(jìn)企業(yè)創(chuàng)新；相反，背景特征差異較大的團(tuán)隊(duì)則會(huì)因思維差異與溝通矛盾產(chǎn)生合作障礙，最終影響企業(yè)戰(zhàn)略決策和技術(shù)創(chuàng)新。如朱明琪等[6]研究認(rèn)為高管團(tuán)隊(duì)平均受教育水平越高，越有利于企業(yè)通過增加研發(fā)投入提高績效；劉鑫等[7]研究指出高管團(tuán)隊(duì)職能背景多樣性引起的情感沖突和認(rèn)知沖突對(duì)企業(yè)創(chuàng)新具有破壞作用。而信息決策理論則更強(qiáng)調(diào)信息的多元化和有效性對(duì)決策的重要作用，認(rèn)為高管團(tuán)隊(duì)年齡、職業(yè)、教育等異質(zhì)性水平越高，差異化信息的互補(bǔ)性越強(qiáng)，企業(yè)越容易制定高水平的創(chuàng)新戰(zhàn)略；但若高管團(tuán)隊(duì)更具有同質(zhì)性，其信息來源和思維模式較為統(tǒng)一，便難以產(chǎn)生技術(shù)創(chuàng)新所需的突破性思維。如郭軍等[8]研究指出高管團(tuán)隊(duì)教育背景、職業(yè)背景等異質(zhì)性越大，技術(shù)創(chuàng)新程度越強(qiáng)。

綜上，以往文獻(xiàn)通常是基于高管團(tuán)隊(duì)異質(zhì)性的某一維度進(jìn)行研究，對(duì)研發(fā)創(chuàng)新的影響也沒有形成一致的結(jié)論，另外，隨著數(shù)字經(jīng)濟(jì)的迅速發(fā)展，數(shù)字化轉(zhuǎn)型成為企業(yè)未來高質(zhì)量發(fā)展的重要方向，其對(duì)高管團(tuán)隊(duì)異質(zhì)性與企業(yè)研發(fā)投入的關(guān)系是否產(chǎn)生影響也有必要進(jìn)一步探討?；诖?，本文擬對(duì)“高管團(tuán)隊(duì)異質(zhì)性—數(shù)字化轉(zhuǎn)型—企業(yè)研發(fā)投入”之間的關(guān)系進(jìn)行識(shí)別檢驗(yàn)，為優(yōu)化企業(yè)高管團(tuán)隊(duì)、促進(jìn)研發(fā)投入提供新的文獻(xiàn)補(bǔ)充。

（二）研究假設(shè)

根據(jù)高階理論和烙印理論，高管團(tuán)隊(duì)人口特征和自身經(jīng)歷烙印與個(gè)體認(rèn)知度、價(jià)值觀和判斷力緊密相連，并最終通過信息處理、資源利用以及決策制定等對(duì)企業(yè)行為產(chǎn)生重要影響。首先，從信息處理角度看，異質(zhì)性高的管理團(tuán)隊(duì)社會(huì)網(wǎng)絡(luò)更復(fù)雜，信息獲取渠道更廣泛[9]，豐富的信息可以讓企業(yè)在較短的時(shí)間內(nèi)感受到外部市場環(huán)境的變化，從而及時(shí)調(diào)整創(chuàng)新策略，抓住創(chuàng)新機(jī)會(huì)并加大研發(fā)投入。其次，從資源利用角度看，與同質(zhì)性較強(qiáng)的高管團(tuán)隊(duì)相比，異質(zhì)性團(tuán)隊(duì)擁有更多樣化的社會(huì)資本和社會(huì)閱歷，在研發(fā)時(shí)可以為企業(yè)提供不同類別的內(nèi)外部資源[10]，其中既包括資金、材料、設(shè)備等物質(zhì)資源，也包括知識(shí)、技術(shù)、能力等無形資源，因此可以為企業(yè)持續(xù)性提高研發(fā)投入提供更多的資源保障。最后，對(duì)于企業(yè)決策制定，研究認(rèn)為高管成員的高同質(zhì)化容易使團(tuán)隊(duì)決策走向極端[11]，而異質(zhì)性較高的團(tuán)隊(duì)成員由于其知識(shí)、思想、技能更豐富，所以思考問題的角度和關(guān)注點(diǎn)各有不同，在制定決策時(shí)不會(huì)過分依賴原有路徑，更能夠打破思維定式[12]，也因此在制定研發(fā)投入決策時(shí)可以具備更高的市場判斷力以及更加多元化的決策水平。綜上，本文提出假設(shè)1。

H1：高管團(tuán)隊(duì)異質(zhì)性與企業(yè)研發(fā)投入正相關(guān)。

數(shù)字化轉(zhuǎn)型是指企業(yè)利用計(jì)算機(jī)等數(shù)字技術(shù)使數(shù)字元素與現(xiàn)有產(chǎn)品相結(jié)合，同時(shí)對(duì)信息進(jìn)行數(shù)字化轉(zhuǎn)變，加速信息技術(shù)與產(chǎn)業(yè)的跨界融合，促進(jìn)傳統(tǒng)業(yè)務(wù)流程和商業(yè)模式實(shí)現(xiàn)數(shù)字化變革。高管團(tuán)隊(duì)異質(zhì)性帶來的在信息處理、資源利用以及決策制定等方面的優(yōu)勢會(huì)促使企業(yè)更多接觸數(shù)字認(rèn)知資源，提升數(shù)字化思維能力，從而積極開展數(shù)字化轉(zhuǎn)型。研究也發(fā)現(xiàn)異質(zhì)性較高的高管團(tuán)隊(duì)，在利用其豐富的信息網(wǎng)絡(luò)捕獲到其他企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型并實(shí)現(xiàn)創(chuàng)新能力增長之后，會(huì)有更強(qiáng)的數(shù)字化轉(zhuǎn)型動(dòng)機(jī)[13]，面對(duì)政府的產(chǎn)業(yè)數(shù)字化等相關(guān)政策補(bǔ)貼更能夠抓住機(jī)會(huì)窗口，獲取更多創(chuàng)新資源，為企業(yè)進(jìn)一步融入數(shù)字生態(tài)系統(tǒng)提供支持和保障[14]。

數(shù)字化轉(zhuǎn)型在企業(yè)內(nèi)部作為技術(shù)驅(qū)動(dòng)型變革[15]，可以從創(chuàng)新資源配置和企業(yè)形象塑造兩個(gè)方面促進(jìn)研發(fā)投入增長。一方面，企業(yè)面對(duì)快速變化的市場競爭環(huán)境，可以利用物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等數(shù)字工具快速提高資源配置效率，將資源盡可能與未來發(fā)展密切相關(guān)的研發(fā)項(xiàng)目相匹配，從而提高研發(fā)投入水平。如研究認(rèn)為企業(yè)不僅可以運(yùn)用區(qū)塊鏈進(jìn)一步整合供應(yīng)鏈資源以提高研發(fā)投入[16]，還可以通過云計(jì)算節(jié)約存儲(chǔ)等硬件設(shè)備的購買及維修費(fèi)用，從而使企業(yè)將更多資金投入創(chuàng)新與研發(fā)[17]。另一方面，研究表明企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型還有利于營造開放、透明的經(jīng)營環(huán)境，降低其與投資者之間的信息不對(duì)稱現(xiàn)象，更好塑造企業(yè)形象[18-19]，從而得到投資者更多信任和支持，通過高效配置資金，提升企業(yè)研發(fā)投入水平。根據(jù)上述分析，本文提出假設(shè)2。

H2：數(shù)字化轉(zhuǎn)型在高管團(tuán)隊(duì)異質(zhì)性特征與企業(yè)研發(fā)投入之間發(fā)揮中介效應(yīng)。

三、研究設(shè)計(jì)

（一）樣本選取及數(shù)據(jù)來源

黨的十八大以來，圍繞創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略，黨中央提出了一系列具有深遠(yuǎn)影響的原創(chuàng)性思想，創(chuàng)新已成為新時(shí)代新發(fā)展理念的基調(diào)和底色。因此，本文選取2010—2021年滬深A(yù)股上市公司為研究樣本。數(shù)據(jù)來自企業(yè)年報(bào)、CSMAR數(shù)據(jù)庫以及Wind數(shù)據(jù)庫，部分缺失值通過手工整理補(bǔ)充。鑒于樣本的有效性，對(duì)樣本進(jìn)行如下篩選：（1）剔除ST及*ST相關(guān)上市公司；（2）剔除金融類公司；（3）剔除10年內(nèi)數(shù)字化轉(zhuǎn)型全部空缺以及研發(fā)投入全部空缺或未進(jìn)行相關(guān)披露的公司。經(jīng)上述整理和篩選后，最終選取了17 688個(gè)樣本，并對(duì)所有連續(xù)變量在上下1%進(jìn)行縮尾處理以消除極端值影響。

（二）變量選取

1.被解釋變量：企業(yè)研發(fā)投入

以往學(xué)者在進(jìn)行企業(yè)研發(fā)投入相關(guān)研究時(shí)，其衡量指標(biāo)一般分為兩種，一種屬于絕對(duì)值，以研發(fā)投入總額作為研究對(duì)象；另一種屬于相對(duì)值，即采用研發(fā)投入總額與總資產(chǎn)的比值作為衡量指標(biāo)。由于研發(fā)活動(dòng)具有投資高、周期長等特點(diǎn)，本文將采用各企業(yè)下一年的研發(fā)投入總額加 1后取自然對(duì)數(shù)衡量企業(yè)的研發(fā)投入，并用第二種方法進(jìn)行穩(wěn)健性檢驗(yàn)。

2.解釋變量：高管團(tuán)隊(duì)異質(zhì)性

本文參考張明等[20]的研究，從以下六個(gè)方面測度高管團(tuán)隊(duì)異質(zhì)性：年齡、性別、教育背景、海外背景、職業(yè)背景和政治背景。其中年齡異質(zhì)性采用變異系數(shù)法，即計(jì)算標(biāo)準(zhǔn)差與均值的比值；其他五個(gè)變量均采用Blau分類指數(shù)進(jìn)行計(jì)算，即通過不同特質(zhì)高管在團(tuán)隊(duì)中所占比例的平方和衡量其離散程度。高管總?cè)藬?shù)為企業(yè)年報(bào)中披露的高級(jí)管理人員總?cè)藬?shù)，具體計(jì)算方法如下：

其中，H指數(shù)代表高管團(tuán)隊(duì)異質(zhì)性，當(dāng)分類變量越分散，異質(zhì)性水平越大，該指數(shù)越接近于1；反之，則越接近于0。Pijt代表j公司第t年高管團(tuán)隊(duì)中第i類成員占團(tuán)隊(duì)總?cè)藬?shù)的比重，n為性別、教育、海外、職業(yè)、政治背景類別。具體測度方法如下：（1）性別異質(zhì)性：賦值男性=1，女性=0。（2）教育背景異質(zhì)性：對(duì)高管受教育水平劃分為五個(gè)等級(jí)：高中及以下、大學(xué)?？?、本科、碩士、博士及以上，并分別取值1、2、3、4和5。（3）海外背景異質(zhì)性特征：高管成員分類為海外求學(xué)、海外任職、二者兼有或無海外背景，分別取值為1、2、3、4。（4）職業(yè)背景異質(zhì)性：其賦值方法為1=生產(chǎn)，2=研發(fā)，3=設(shè)計(jì)，4=人力資源，5=管理，6=市場，7=金融，8=財(cái)務(wù)，9=法律。（5）政治背景異質(zhì)性：按照高管人員是否曾在政府部門任職，或是否通過人際關(guān)系網(wǎng)絡(luò)及公益活動(dòng)與政府具有關(guān)聯(lián)進(jìn)行劃分，有政治背景=1；無政治背景=0。最后，將上述六個(gè)指標(biāo)進(jìn)行計(jì)算處理后取平均值，即可得到高管團(tuán)隊(duì)異質(zhì)性綜合指標(biāo)（TMT）。

3.中介變量：數(shù)字化轉(zhuǎn)型

參考吳非等[21]的方法，首先利用Python對(duì)A股上市公司年度報(bào)告進(jìn)行下載。其次通過Java PDFBox文檔協(xié)作類庫對(duì)其中所有文本內(nèi)容進(jìn)行提取，并查找匹配文本中與企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)的關(guān)鍵詞。其中，關(guān)鍵詞的選取主要包括數(shù)字化轉(zhuǎn)型的“底層技術(shù)運(yùn)用”與“技術(shù)實(shí)踐運(yùn)用”兩類。前者為數(shù)字化轉(zhuǎn)型的四種典型底層技術(shù)，即人工智能、大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈；后者為這類技術(shù)在具體實(shí)踐中的運(yùn)用表現(xiàn)即數(shù)字技術(shù)運(yùn)用的詞條歸類。在上述基礎(chǔ)上，將關(guān)鍵詞與A股上市企業(yè)進(jìn)行匹配加總，由此得到數(shù)字化轉(zhuǎn)型的初始指標(biāo)。最后，借鑒申明浩等[22]的計(jì)算方法對(duì)企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)行測度，具體計(jì)算公式如下：

其中：Edt代表i企業(yè)第t年年度報(bào)告中披露的有關(guān)數(shù)字化轉(zhuǎn)型的詞頻總和，Edti，t表示對(duì)Edt 進(jìn)行反雙曲正弦變換，該變換使得計(jì)算結(jié)果即使對(duì)較小的取值也具有良好的定義。

4.控制變量

借鑒已有企業(yè)文獻(xiàn)研究，本文選擇以下控制變量：凈資產(chǎn)收益率（ROE）、權(quán)益乘數(shù)（EM）、前十大股東持股比例（Top10）、經(jīng)營杠桿（DOL）、流動(dòng)比率（CR）、企業(yè)規(guī)模（Size）；除此之外，引入年度以及行業(yè)虛擬變量。

各變量定義參見表1。

（三）模型構(gòu)建

為驗(yàn)證H1，即高管團(tuán)隊(duì)異質(zhì)性與企業(yè)研發(fā)投入之間的關(guān)系，構(gòu)建模型1：

為檢驗(yàn)H2，即數(shù)字化轉(zhuǎn)型的中介作用，參考溫忠麟等[23]關(guān)于中介效應(yīng)的檢驗(yàn)步驟：第一，檢驗(yàn)高管團(tuán)隊(duì)異質(zhì)性與企業(yè)研發(fā)投入之間的總體效應(yīng)，該效應(yīng)已在模型1中得以驗(yàn)證。第二，檢驗(yàn)高管團(tuán)隊(duì)異質(zhì)性與數(shù)字化轉(zhuǎn)型的相關(guān)性以及數(shù)字化轉(zhuǎn)型與企業(yè)研發(fā)投入的相關(guān)性，構(gòu)建模型2、模型3。第三，總體效應(yīng)模型中加入中介變量數(shù)字化轉(zhuǎn)型，觀察模型3中高管團(tuán)隊(duì)異質(zhì)性與企業(yè)研發(fā)投入的直接效應(yīng)是否顯著，若顯著，則說明數(shù)字化轉(zhuǎn)型具有部分中介效應(yīng)；若不顯著，則說明具有完全中介效應(yīng)。具體模型如下：

四、實(shí)證結(jié)果與分析

（一）描述性統(tǒng)計(jì)分析

表2列示了本文主要變量的描述性統(tǒng)計(jì)。從被解釋變量看企業(yè)研發(fā)投入最大值為22.01，最小值為0，標(biāo)準(zhǔn)差為6.25，說明不同行業(yè)不同企業(yè)的創(chuàng)新意愿以及對(duì)研發(fā)投入的重視程度各不相同，并且差距較大；從解釋變量看，高管團(tuán)隊(duì)異質(zhì)性的最小值和最大值分別是0.08和0.48，說明各企業(yè)之間高管團(tuán)隊(duì)異質(zhì)性程度存在較大差別；從中介變量看，不同企業(yè)選擇數(shù)字化轉(zhuǎn)型的戰(zhàn)略意識(shí)以及數(shù)字化轉(zhuǎn)型程度差異較為明顯，最小值為0，沒有進(jìn)行數(shù)字化轉(zhuǎn)型，最大值為4.98，數(shù)字化轉(zhuǎn)型程度更深入，其均值為1.35， 呈現(xiàn)左偏性特征，說明我國企業(yè)數(shù)字化轉(zhuǎn)型的整體進(jìn)程仍需進(jìn)一步推進(jìn)。其他控制變量與他人之前研究基本一致，不再過多闡述。

（二）相關(guān)性分析

表3的相關(guān)系數(shù)檢驗(yàn)結(jié)果表明TMT與R&D在1%的水平上顯著正相關(guān)，初步證實(shí)了高管團(tuán)隊(duì)異質(zhì)性與企業(yè)研發(fā)投入之間的相關(guān)關(guān)系；TMT與Edt在1%的水平上顯著正相關(guān)，與前文論述的高管團(tuán)隊(duì)異質(zhì)性與企業(yè)數(shù)字化轉(zhuǎn)型之間存在顯著正相關(guān)的研究基本一致，而數(shù)字化轉(zhuǎn)型是否在高管團(tuán)隊(duì)異質(zhì)性與企業(yè)研發(fā)投入之間具有中介作用還需要在后續(xù)分析中進(jìn)行驗(yàn)證。表3中被解釋變量與大部分控制變量具有顯著的相關(guān)系數(shù)，表明本文選取的控制變量科學(xué)、合理，且各控制變量相關(guān)系數(shù)絕對(duì)值基本在0.5以下，說明模型中不存在嚴(yán)重的多重共線性問題。

（三）回歸結(jié)果分析

根據(jù)BP檢驗(yàn)以及Hausman檢驗(yàn)結(jié)果，本文選取固定效應(yīng)回歸模型。表4所示為不同模型的回歸系數(shù)和顯著性情況，以下將對(duì)模型的回歸結(jié)果進(jìn)行分析。

模型1中高管團(tuán)隊(duì)異質(zhì)性系數(shù)α1為2.119，在1%水平上與研發(fā)投入顯著正相關(guān)，說明高管團(tuán)隊(duì)的背景差異與企業(yè)研發(fā)資源投入具有密切關(guān)聯(lián)。從經(jīng)濟(jì)意義上講，高管團(tuán)隊(duì)異質(zhì)性每提高1個(gè)單位，企業(yè)研發(fā)投入將提高2.119%。進(jìn)一步證明異質(zhì)性較高的管理團(tuán)隊(duì)可以幫助企業(yè)快速抓住創(chuàng)新機(jī)會(huì)，并綜合利用自身優(yōu)勢為企業(yè)提供較多資源保障，從而提高研發(fā)投入，回歸結(jié)果與H1相符。

模型2中高管團(tuán)隊(duì)異質(zhì)性對(duì)數(shù)字化轉(zhuǎn)型的相關(guān)系數(shù)β1（0.759）在1%水平上顯著為正，模型3中數(shù)字化轉(zhuǎn)型對(duì)企業(yè)研發(fā)投入的相關(guān)系數(shù)γ2（0.519）在1%水平上呈顯著正相關(guān)，說明數(shù)字化轉(zhuǎn)型中介效應(yīng)成立，由于模型3高管團(tuán)隊(duì)異質(zhì)性系數(shù)γ1（1.725）在1%水平上顯著，因此數(shù)字化轉(zhuǎn)型在高管團(tuán)隊(duì)異質(zhì)性與企業(yè)研發(fā)投入之間具有部分中介作用，中介效應(yīng)大小為0.228（β1γ2 /α1）。上述回歸結(jié)果進(jìn)一步說明異質(zhì)性較高的高管團(tuán)隊(duì)更愿意實(shí)施數(shù)字戰(zhàn)略推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型，企業(yè)一方面可以通過數(shù)字技術(shù)將海量數(shù)據(jù)轉(zhuǎn)化為信息資產(chǎn)和數(shù)字資源并運(yùn)用智能分析動(dòng)態(tài)調(diào)整創(chuàng)新投入與創(chuàng)新目標(biāo)；另一方面可以降低投資者與企業(yè)內(nèi)部的信息不對(duì)稱現(xiàn)象，從而提高企業(yè)融資能力，獲得更多資金支持以促進(jìn)研發(fā)投入，H2得以驗(yàn)證。

（四）進(jìn)一步分析

通過上述分析，可知高管團(tuán)隊(duì)異質(zhì)性可以通過數(shù)字化轉(zhuǎn)型顯著提高企業(yè)研發(fā)投入水平，但是具體哪些方面的高管背景異質(zhì)性具有上述作用依然存有疑問。因此，本文進(jìn)一步從年齡、性別、教育背景、海外背景、職業(yè)背景和政治背景六個(gè)維度對(duì)原模型高管團(tuán)隊(duì)異質(zhì)性綜合指標(biāo)進(jìn)行替換，繼續(xù)探討其與數(shù)字化轉(zhuǎn)型、研發(fā)投入的相關(guān)關(guān)系。表5列示了不同維度的回歸結(jié)果。

1.不同維度高管團(tuán)隊(duì)異質(zhì)性與企業(yè)研發(fā)投入

模型1中高管團(tuán)隊(duì)年齡（Age）、性別（Gender）異質(zhì)性的回歸系數(shù)在1%水平上顯著為負(fù)，說明其對(duì)企業(yè)研發(fā)投入存在抑制作用。可能原因在于男女思維差異較大，且不同年齡階段高管的創(chuàng)新意愿、風(fēng)險(xiǎn)承擔(dān)水平存在較大差距，容易產(chǎn)生代溝，加重群體之間的誤解與偏見，不利于企業(yè)增加研發(fā)投入。

高管團(tuán)隊(duì)教育（Edu）、海外（Sea）和職業(yè)（Work）背景異質(zhì)性的回歸系數(shù)均在1%水平上顯著為正，意味著這三個(gè)維度的異質(zhì)性程度越高，越有助于促進(jìn)企業(yè)研發(fā)投入水平提升。從經(jīng)濟(jì)意義上講，其異質(zhì)性每提高1個(gè)單位，企業(yè)研發(fā)投入分別提高1.216%、2.286%、2.246%。分析原因可能在于：一方面，高學(xué)歷高管的學(xué)習(xí)思維能力、高知識(shí)儲(chǔ)備強(qiáng)度與低學(xué)歷高管在晉升過程中擁有的豐富工作經(jīng)驗(yàn)、職業(yè)技能相結(jié)合，在進(jìn)行創(chuàng)新時(shí)目光更長遠(yuǎn)，更有利于制定符合公司利益的持續(xù)性研發(fā)投入決策；另一方面，海外背景高管的國際視野與本土高管熟悉國內(nèi)政策、環(huán)境的優(yōu)勢互補(bǔ)，有利于在企業(yè)研發(fā)創(chuàng)新與國際接軌的同時(shí)為其提供政策和資金支持；而高管職業(yè)背景多元化意味著其成員具有不同領(lǐng)域的專業(yè)知識(shí)和人脈關(guān)系，能夠在擴(kuò)展企業(yè)認(rèn)知范圍的同時(shí)提供資源優(yōu)勢，從而增加研發(fā)投入。研究結(jié)果表明高管政治背景異質(zhì)性對(duì)研發(fā)投入沒有影響。

2.數(shù)字化轉(zhuǎn)型的中介效應(yīng)在不同維度的表現(xiàn)

根據(jù)模型2回歸結(jié)果，高管團(tuán)隊(duì)教育（Edu）、海外（Sea）背景異質(zhì)性對(duì)數(shù)字化轉(zhuǎn)型（Edt）的回歸系數(shù)均在1%水平上顯著為正，說明其有助于推動(dòng)企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型，同時(shí)模型3數(shù)字化轉(zhuǎn)型（Edt）對(duì)企業(yè)研發(fā)投入（R&D）的相關(guān)系數(shù)也在1%水平上顯著為正，因此數(shù)字化轉(zhuǎn)型在高管團(tuán)隊(duì)教育背景、海外背景異質(zhì)性對(duì)企業(yè)研發(fā)投入的影響中發(fā)揮中介效應(yīng)。由于模型2中高管團(tuán)隊(duì)職業(yè)背景異質(zhì)性與數(shù)字化轉(zhuǎn)型的相關(guān)系數(shù)并不顯著，因此根據(jù)溫忠麟等[23]對(duì)中介效應(yīng)的檢驗(yàn)步驟對(duì)其職業(yè)背景異質(zhì)性、數(shù)字化轉(zhuǎn)型和企業(yè)研發(fā)投入進(jìn)行bootstrap檢驗(yàn)，檢驗(yàn)結(jié)果中間接效應(yīng)區(qū)間不包含0，且在1%水平顯著，所以數(shù)字化轉(zhuǎn)型在高管團(tuán)隊(duì)職業(yè)背景異質(zhì)性與企業(yè)研發(fā)投入之間的中介效應(yīng)成立。而高管年齡、性別、政治背景異質(zhì)性由于在模型2中系數(shù)不顯著或顯著方向相反，因此中介效應(yīng)不成立。綜合上述分析，高管團(tuán)隊(duì)教育背景、海外背景、職業(yè)背景異質(zhì)性可以通過推動(dòng)數(shù)字化轉(zhuǎn)型增加企業(yè)研發(fā)投入。

（五）穩(wěn)健性檢驗(yàn)

1.替換變量法

本文通過替換被解釋變量和中介變量進(jìn)行穩(wěn)健性檢驗(yàn)，被解釋變量企業(yè)研發(fā)投入采用相對(duì)值即研發(fā)投入總額與總資產(chǎn)的比值作為衡量指標(biāo)，中介變量數(shù)字化轉(zhuǎn)型采用年報(bào)中相關(guān)詞匯的詞頻加1后取自然對(duì)數(shù)進(jìn)行計(jì)算，從而檢驗(yàn)實(shí)證結(jié)果的可靠性。

表6列示了變量替換后的回歸結(jié)果，模型1中高管團(tuán)隊(duì)異質(zhì)性和企業(yè)研發(fā)投入回歸系數(shù)在1%水平上顯著，根據(jù)模型2高管團(tuán)隊(duì)異質(zhì)性對(duì)數(shù)字化轉(zhuǎn)型的回歸系數(shù)，以及模型3數(shù)字化轉(zhuǎn)型對(duì)企業(yè)研發(fā)投入的回歸系數(shù)可以看出數(shù)字化轉(zhuǎn)型的中介效應(yīng)依然成立。因此，H1和H2再次得到驗(yàn)證。由此可以看出，替換指標(biāo)后，各變量之間的關(guān)系并沒有發(fā)生實(shí)質(zhì)性改變，說明模型的回歸結(jié)果具備良好的穩(wěn)健性。

2.內(nèi)生性檢驗(yàn)

由于模型中企業(yè)研發(fā)投入與數(shù)字化轉(zhuǎn)型可能存在反向因果關(guān)系即內(nèi)生性問題，因此本文參考段華友等[18]的方法，選用相同行業(yè)、相同時(shí)間的其他企業(yè)數(shù)字化轉(zhuǎn)型均值（Edt_mean）作為工具變量，使用兩階段最小二乘法（2SLS）進(jìn)行內(nèi)生性檢驗(yàn)。第一階段采用內(nèi)生解釋變量對(duì)工具變量進(jìn)行回歸，得到擬合值，結(jié)果顯示，其系數(shù)在1%的水平上顯著為正；第二階段，采用被解釋變量企業(yè)研發(fā)投入對(duì)第一階段的擬合值進(jìn)行回歸，回歸系數(shù)依然在1%水平顯著，因此不具有內(nèi)生性問題。具體回歸結(jié)果如表7所示。

五、結(jié)論與建議

本文以2010—2021年滬深A(yù)股上市公司相關(guān)數(shù)據(jù)為樣本，對(duì)高管團(tuán)隊(duì)異質(zhì)性、數(shù)字化轉(zhuǎn)型和企業(yè)研發(fā)投入三者之間的關(guān)系運(yùn)用中介效應(yīng)模型進(jìn)行實(shí)證研究，并得出以下結(jié)論和建議：

（一）研究結(jié)論

其一，高管團(tuán)隊(duì)異質(zhì)性有助于企業(yè)提高研發(fā)投入水平，且數(shù)字化轉(zhuǎn)型在其中具有部分中介作用。異質(zhì)性高的管理團(tuán)隊(duì)，其社會(huì)網(wǎng)絡(luò)、社會(huì)資本和社會(huì)閱歷更豐富，并且受自身經(jīng)歷烙印影響更愿意推動(dòng)數(shù)字化轉(zhuǎn)型，其多元化的背景在促進(jìn)企業(yè)數(shù)字知識(shí)學(xué)習(xí)的同時(shí)加快了數(shù)字技術(shù)與研發(fā)創(chuàng)新、生產(chǎn)方式創(chuàng)新等相互融合的速度，有利于更好地協(xié)調(diào)企業(yè)內(nèi)外部資源增加創(chuàng)新投入。

其二，高管團(tuán)隊(duì)異質(zhì)性的不同維度對(duì)企業(yè)研發(fā)投入具有差異化影響。其中年齡、性別異質(zhì)性對(duì)研發(fā)投入具有抑制作用，可能是由于男女思維存在較大差異，不同年齡段高管在創(chuàng)新意愿、風(fēng)險(xiǎn)承擔(dān)水平方面存在代溝，阻礙了對(duì)研發(fā)創(chuàng)新的投入。教育、海外、職業(yè)背景異質(zhì)性對(duì)研發(fā)投入具有促進(jìn)作用，其中海外、職業(yè)這兩個(gè)異質(zhì)性維度促進(jìn)程度最多，教育次之。其可能原因在于：高學(xué)歷高管的知識(shí)儲(chǔ)備與低學(xué)歷高管的工作經(jīng)驗(yàn)相結(jié)合，在創(chuàng)新時(shí)目光更長遠(yuǎn)；海外背景異質(zhì)性高管在制定研發(fā)決策時(shí)具有國際化和市場化特征，更具有創(chuàng)新意識(shí)；職業(yè)背景多元化意味著其成員在不同類型的工作崗位歷練過，可以為研發(fā)投入增長提供更多資源優(yōu)勢。因此，這三個(gè)維度的異質(zhì)性均能有效促進(jìn)研發(fā)投入，并在一定程度上彌補(bǔ)了年齡、性別異質(zhì)性對(duì)研發(fā)投入造成的負(fù)面影響。

（二）政策建議

第一，企業(yè)可以適當(dāng)提升高管團(tuán)隊(duì)教育、海外和職業(yè)背景異質(zhì)性水平，利用其對(duì)研發(fā)投入的提升作用緩解其年齡、性別異質(zhì)性對(duì)研發(fā)投入的不利影響，優(yōu)化管理團(tuán)隊(duì)結(jié)構(gòu)。一方面，企業(yè)在聘用高管時(shí)可優(yōu)先選擇具有上述三個(gè)維度異質(zhì)性的成員，同時(shí)在企業(yè)內(nèi)部創(chuàng)造機(jī)會(huì)鼓勵(lì)部分高管繼續(xù)深造、參加海外學(xué)習(xí)和工作以及開展不同領(lǐng)域職業(yè)培訓(xùn)，適當(dāng)提高高管團(tuán)隊(duì)異質(zhì)性；另一方面，構(gòu)建內(nèi)部信息交流平臺(tái)，加強(qiáng)不同特征高管之間的溝通，從而強(qiáng)化異質(zhì)性帶來的優(yōu)勢，克服年齡代溝和思維差異帶來的弊端，更好地促進(jìn)企業(yè)研發(fā)創(chuàng)新。

第二，深入推進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型，充分發(fā)揮數(shù)字化轉(zhuǎn)型的中介效應(yīng)。首先，企業(yè)可以根據(jù)自身業(yè)務(wù)需求，利用大數(shù)據(jù)、云計(jì)算、AI等數(shù)字技術(shù)工具，智能分析并動(dòng)態(tài)調(diào)整研發(fā)投入與創(chuàng)新目標(biāo)，推動(dòng)創(chuàng)新投入需求向精準(zhǔn)模式轉(zhuǎn)變；其次，企業(yè)在數(shù)字化轉(zhuǎn)型過程中進(jìn)一步整合內(nèi)外部資源，節(jié)約生產(chǎn)和管理成本，將更多資源投入創(chuàng)新進(jìn)而提高研發(fā)投入水平；最后，利用數(shù)字技術(shù)增強(qiáng)企業(yè)信息披露的透明度和及時(shí)性，減少投資者與企業(yè)內(nèi)部的信息不對(duì)稱現(xiàn)象，從而塑造良好企業(yè)形象，提高融資能力，以獲得更多政策和資金支持，促進(jìn)研發(fā)投入。

【參考文獻(xiàn)】

［1］ 蘇媛，李廣培.綠色技術(shù)創(chuàng)新能力、產(chǎn)品差異化與企業(yè)競爭力——基于節(jié)能環(huán)保產(chǎn)業(yè)上市公司的分析［J］.中國管理科學(xué)，2021，29（4）：46-56.

［2］ ROGAN M，MORSM L.A network perspective on individual-level ambidexterity in organizations［J］.Organization Science，2014（4）：1860-1877.

［3］ 胡安琴.業(yè)財(cái)融合下創(chuàng)效型數(shù)據(jù)資產(chǎn)的會(huì)計(jì)計(jì)量與披露［J］.會(huì)計(jì)之友，2023（4）：134-139.

［4］ WEN H W，ZHONG Q M，LEE C C.Digitalization，competition strategy and corporate innovation：evidence from Chinese manufacturing listed companies［J］.International Review of Financial Analysis，2022，82.

［5］ HAMBRICK D C，PHYLLIS A M.Upper echelons：the? organization as a reflection of its top managers［J］.Academy of Management Review，1984，9（2）：193-206.

［6］ 朱明琪，張甫香.高管團(tuán)隊(duì)、企業(yè)創(chuàng)新與企業(yè)績效——基于企業(yè)創(chuàng)新中介作用的實(shí)證研究［J］.會(huì)計(jì)之友，2018（22）：64-71.

［7］ 劉鑫，李小玉，薛有志.職能背景、團(tuán)隊(duì)沖突與企業(yè)創(chuàng)新［J］.科學(xué)學(xué)研究，2020，38（2）：357-372.

［8］ 郭軍，麻環(huán)宇.高管團(tuán)隊(duì)異質(zhì)性、內(nèi)部控制與企業(yè)技術(shù)創(chuàng)新［J］.統(tǒng)計(jì)與決策，2022，38（17）：174-178.

［9］ 鄧新明，羅歡，龍賢義，等.高管團(tuán)隊(duì)異質(zhì)性、競爭策略組合與市場績效——來自中國家電行業(yè)的實(shí)證檢驗(yàn)［J］.南開管理評(píng)論，2021，24（4）：103-117.

［10］ SARTO F，SAGGESE S，VIGANO R，et al.Human capital and innovation：mixing apples and oranges on the board of high-tech firms［J］.Management Decision，2019，58（5）：897-926.

［11］ 樂云，萬靜遠(yuǎn)，張艷.高管團(tuán)隊(duì)異質(zhì)性、政府支持與重大工程績效［J］.科研管理，2021，42（8）：201-208.

［12］ 郭天嬌，鄒國慶.高管團(tuán)隊(duì)異質(zhì)性、慣例更新與商業(yè)模式創(chuàng)新：有調(diào)節(jié)的中介效應(yīng)模型［J］.商業(yè)研究，2020（7）：8-14.

［13］ 白福萍，劉東慧，齊魯光.高管團(tuán)隊(duì)外部關(guān)系網(wǎng)絡(luò)、合作創(chuàng)新與企業(yè)數(shù)字化轉(zhuǎn)型 ［J］.哈爾濱商業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023，188（1）：86-100.

［14］ 陽鎮(zhèn)，陳勁，商慧辰.何種經(jīng)歷推動(dòng)數(shù)字化：高管學(xué)術(shù)經(jīng)歷與企業(yè)數(shù)字化轉(zhuǎn)型［J］.經(jīng)濟(jì)問題，2022，518（10）：1-11.

［15］ VAHID J S，ALEXEIS G P，ELENA C，et al.Exploring the impact of digital transformation on technology entrepreneurship and technological market expansion：the role of technology readiness，exploration and exploitation［J］.Journal of Business Research，2021，124：100-111.

［16］ 賈軍，薛春輝.區(qū)塊鏈應(yīng)用對(duì)客戶關(guān)系治理與企業(yè)創(chuàng)新關(guān)系影響研究［J］.軟科學(xué)，2022，36（8）：123-129.

［17］ 宮奎，王貴和.云技術(shù)給企業(yè)創(chuàng)新管理帶來哪些影響［J］.人民論壇，2017（10）：88-89.

［18］ 段華友，楊興柳，董峰.數(shù)字化轉(zhuǎn)型、融資約束與企業(yè)創(chuàng)新［J］.統(tǒng)計(jì)與決策，2023，39（5）：164-168.

［19］ ZHOU ZS，LI Z.Corporate digital transformation and trade credit financing［J］.Journal of Business Research，2023，160.

［20］ 張明，藍(lán)海林，陳偉宏，等.殊途同歸不同效：戰(zhàn)略變革前因組態(tài)及其績效研究［J］.管理世界，2020，36（9）：168-186.

［21］ 吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)［J］.管理世界，2021，37（7）：130-144，10.

［22］ 申明浩，龐鈺標(biāo)，譚偉杰.道不同可相為謀：高管團(tuán)隊(duì)異質(zhì)性與企業(yè)數(shù)字化戰(zhàn)略［J］.南方金融，2023（1）：50-64.

［23］ 溫忠麟，葉寶娟.中介效應(yīng)分析：方法和模型發(fā)展［J］.心理科學(xué)進(jìn)展，2014，22（5）：731-745.